IA para analistas SOC: triaje con un modelo 9B
IA para analistas SOC, octubre de 2026: un modelo abierto de 9B igualó a GPT-4.1 en el triaje de Alert-Bench. Coste por alerta y qué decide aún el analista.
Leer el artículoNotas desde
el trabajo.
Guías, notas de investigación y lo que aprendemos creando modelos.
IA para analistas SOC: triaje con un modelo 9B
IA para analistas SOC, octubre de 2026: un modelo abierto de 9B igualó a GPT-4.1 en el triaje de Alert-Bench. Coste por alerta y qué decide aún el analista.
Leer el artículo
¿Se puede hacer fine-tuning de Claude?
¿Se puede hacer fine-tuning de Claude? La API no lo ofrece y la vía de Bedrock cerró. Qué cuesta, la regla sobre sus salidas y cómo entrenar tu propio modelo.
Leer el artículoMejor LLM local para ciberseguridad (oct. 2026)
El mejor LLM local para ciberseguridad a octubre de 2026: modelos abiertos para tu hardware o redes aisladas, qué resultado obtuvo cada uno y quién lo midió.
Leer el artículo
GLM-5.3 vs Kimi K3 en ciberseguridad (oct. 2026)
Benchmarks de ciberseguridad de GLM-5.3 y Kimi K3 frente a Claude y GPT a octubre de 2026: quién midió cada resultado y qué significa para los defensores.
Leer el artículo
Modelos de lenguaje pequeños para agentes de IA
Modelos de lenguaje pequeños para agentes de IA: el artículo de NVIDIA leído en la fuente, dónde coinciden nuestros resultados, qué matizamos y qué elegir.
Leer el artículo
Olvido catastrófico en el fine-tuning de LLM
Olvido catastrófico en el fine-tuning de LLM: por qué el entrenamiento secuencial borra capacidades, las soluciones publicadas y la compuerta que lo detecta.
Leer el artículoAprendizaje continuo para agentes de IA
Aprendizaje continuo para agentes de IA en la capa del modelo: el tráfico del agente entrena cada versión nueva, que pasa tus evaluaciones antes de publicarse.
Leer el artículoPreentrenamiento continuado, fine-tuning o RAG
Preentrenamiento continuado frente a fine-tuning: qué es el preentrenamiento continuo, cómo entra el conocimiento de dominio en un modelo y cuándo conviene RAG.
Leer el artículoEvaluar un LLM de dominio específico: un método
Evaluación de LLM de dominio específico paso a paso: un conjunto reservado, un protocolo congelado, umbrales fijados antes e intervalos de confianza, con QMSum.
Leer el artículo¿Qué es un LLM de dominio específico? Ejemplos
Un LLM de dominio específico conoce un campo y sirve para muchas tareas en él. Ejemplos con fuente, en qué difiere de un modelo de tarea y cómo se combinan.
Leer el artículoModelos fundacionales vs modelos específicos
Modelos fundacionales frente a modelos de tarea específica: qué es cada uno, cuándo gana un modelo entrenado para un solo trabajo, ejemplos y cómo se combinan.
Leer el artículoModelos open-weight vs frontier: coste y calidad
Modelos open-weight vs frontier: cuánto van por detrás los abiertos, por qué cuestan menos por token y cuándo gana un modelo entrenado con tu tarea.
Leer el artículo¿Qué es un laboratorio de IA aplicada? Tres tipos
Un laboratorio de IA aplicada entrena modelos para trabajo que ya existe y factura desde su primer despliegue. Cómo se compara con frontier labs y neolabs.
Leer el artículoLaboratorios de IA en Australia: mapa de 2026
Mapa con fuentes de los laboratorios de investigación en IA de Australia a octubre de 2026: institutos universitarios, CSIRO y laboratorios comerciales.
Leer el artículoMárgenes brutos de startups de IA e inferencia
El margen bruto medio de la IA fue del 45% en 2025 porque la inferencia crece con el uso. A dónde va el coste por tarea y qué cambia un modelo entrenado.
Leer el artículo¿Ha muerto el fine-tuning? Los labs se retiran
¿Está desacreditado el fine-tuning? OpenAI y Mistral lo están retirando. Dónde siguen ganando los modelos abiertos entrenados y cuándo basta el prompting.
Leer el artículoAlternativas al fine-tuning de OpenAI: migración
El fine-tuning de OpenAI cierra: los nuevos trabajos terminan el 6 de enero de 2027. Qué pasa con tus modelos, alternativas y cómo migrar a modelos abiertos.
Leer el artículoCuándo crear un modelo de IA personalizado
Guía para saber si un flujo repetible justifica un modelo de IA personalizado. Incluye datos de mercado y criterios de calidad, coste, latencia y operación.
Leer el artículoOptimización de costos de IA agéntica
Costos de IA agéntica para ingenieros: adónde van los tokens, cómo recortar la salida de herramientas, cachear el prefijo, limitar cada ejecución y medirla.
Leer el artículoCosto por tarea: economía unitaria de la IA
El costo por tarea convierte la factura de tokens en economía unitaria. Cómo calcularlo, cuánto cuesta un agente de IA al mes y cómo fijar un objetivo.
Leer el artículoPresupuestos de tokens de IA para tus equipos
Cómo fijar un presupuesto de tokens de IA: asignaciones por rol, showback, modelos por defecto, límites para agentes de código y costo por tarea.
Leer el artículoModelo personalizado vs API de frontera: costos
El cálculo del punto de equilibrio para sustituir una API de frontera por un modelo personalizado: fórmula, ejemplo a precios de 2026 y una migración segura.
Leer el artículoCómo reducir costos de tokens de IA en tu empresa
Guía para líderes: descubre a dónde van tus tokens, aprovecha primero los ahorros rápidos y dale a tu tarea de mayor volumen su propio modelo personalizado.
Leer el artículoOptimización de costos de LLM: 12 técnicas
Doce técnicas de optimización de costos de LLM ordenadas por ahorro, esfuerzo y riesgo de calidad, con precios de octubre de 2026 para caché, lotes y modelos.
Leer el artículo